+190 XP

Gemini · Fichiers, embeddings et RAG avec Google

Vous pouvez confier à Gemini un manuel de l'employé de 200 pages, lui demander « à combien de jours de télétravail ai-je droit en deuxième année ? » et obtenir une réponse sourcée, avec la clause exacte. Cette leçon présente quatre façons de le faire sur Google AI, de « uploadez simplement le fichier » à « construisez un vrai retrieval sur un ensemble de documents », et indique quand recourir à chacune.

Stratégies de retrieval, classées par effort

Avant d'écrire la moindre ligne de code, prenez la bonne décision. Certains perdent des semaines à construire la mauvaise.

  1. Long context (mettre le fichier dans le prompt). La fenêtre de contexte de Gemini peut contenir des documents entiers. Pour un seul manuel, vous n'avez peut-être pas besoin de RAG du tout.
  2. La File API. Pour les fichiers trop volumineux pour être envoyés inline, ou que vous réutilisez sur de nombreuses requêtes, uploadez une fois et référencez le handle. Il s'agit toujours de retrieval en long context, simplement mieux géré.
  3. L'outil File Search. C'est du RAG managé au sein de l'API Gemini. Vous uploadez des documents dans un store, et Gemini récupère pour vous les chunks pertinents, avec citations.
  4. Vos propres embeddings + vector store. C'est nécessaire quand vous voulez un contrôle total sur le chunking, le ranking ou l'emplacement des vecteurs.

Le réflexe hérité du bloc fondamentaux est de passer directement au RAG. Résistez. Si tout le corpus tient dans le contexte, le long context bat le RAG en précision et en simplicité.

Stratégie 1 : uploadez simplement le fichier

Dans Google AI Studio, glissez le PDF de votre manuel dans un prompt et posez votre question. Gemini lit directement le PDF, tableaux et mise en page compris, sans étape d'OCR.

Via l'API, vous pouvez envoyer les petits fichiers inline sous forme d'octets. Dès qu'un fichier est volumineux, ou que vous allez lui poser de nombreuses questions, utilisez plutôt la File API.

Stratégie 2 : la File API pour les fichiers volumineux et réutilisables

La File API stocke un fichier côté Google et vous renvoie un handle. Vous uploadez une fois, puis vous le référencez sur de nombreuses requêtes sans renvoyer les octets. Les fichiers uploadés sont conservés pendant une durée limitée (actuellement environ 48 heures) et leur stockage est gratuit. C'est donc adapté à une session du type « charger le manuel, poser dix questions ».

python
from google import genai

client = genai.Client()  # lit GEMINI_API_KEY depuis l'environnement

handbook = client.files.upload(file="employee_handbook.pdf")

resp = client.models.generate_content(
    model="gemini-2.5-flash",
    contents=[
        handbook,
        "How many remote work days am I allowed in my second year? "
        "Quote the exact policy clause and its section number.",
    ],
)
print(resp.text)

C'est tout le flux « répondre à partir de notre manuel » pour un document unique. Un modèle de gamme Flash est le bon choix ici : il est rapide, peu coûteux et lit sans difficulté un PDF. Gardez Pro pour le raisonnement plus difficile sur des entrées multi-documents désordonnées. Les identifiants de modèle changent à chaque nouvelle génération (la famille Gemini 3 est désormais disponible). Consultez la page des modèles et remplacez par l'identifiant Flash actuel.

Les limites d'upload et les types pris en charge figurent dans le guide Files. Consultez-le plutôt que de deviner les plafonds de taille, qui évoluent.

Long context and the File API in Gemini

Watch on YouTube

Quand le long context ne suffit plus

Le long context fonctionne bien, jusqu'au moment où il ne fonctionne plus. Trois signaux indiquent qu'il faut passer à un vrai RAG :

  • Le corpus dépasse la fenêtre : cinquante manuels, un export de wiki, des années de notes de politique interne.
  • Le coût par requête compte. Vous payez les tokens d'entrée : envoyer tout le manuel pour chacune des 10 000 questions quotidiennes est du gaspillage quand chaque réponse n'a besoin que de deux paragraphes.
  • Vous avez besoin d'une provenance précise et citable sur de nombreuses sources, pas d'un « quelque part dans ce gros bloc ».

Stratégie 3 : l'outil File Search (RAG managé dans l'API Gemini)

Depuis fin 2025, l'API Gemini intègre un outil File Search. Vous créez un store et y uploadez des documents. Google les découpe en chunks, calcule leurs embeddings et les indexe. Au moment de la requête, vous passez le store comme outil : Gemini récupère les passages pertinents et renvoie les citations dans les grounding metadata de la réponse. Vous n'avez pas à faire tourner de base de données vectorielle.

python
import time
from google import genai
from google.genai import types

client = genai.Client()

store = client.file_search_stores.create(config={"display_name": "hr-policies"})

op = client.file_search_stores.upload_to_file_search_store(
    file="employee_handbook.pdf",
    file_search_store_name=store.name,
)
while not op.done:
    time.sleep(5)
    op = client.operations.get(op)

resp = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="How many remote days do I get in my second year?",
    config=types.GenerateContentConfig(
        tools=[types.Tool(file_search=types.FileSearch(
            file_search_store_names=[store.name]
        ))]
    ),
)
print(resp.text)
print(resp.candidates[0].grounding_metadata)  # quels chunks ont été utilisés

Contrairement aux fichiers de 48 heures de la File API, les documents d'un store persistent jusqu'à ce que vous les supprimiez. Au lancement, Google facturait l'embedding à l'indexation (environ 0,15 $ par million de tokens), tandis que le stockage et les embeddings au moment de la requête étaient gratuits. Vérifiez les tarifs et limites actuels dans la documentation File Search.

Pour la plupart des projets du type « rendre nos 50 PDF de politiques interrogeables », c'est désormais le point de départ par défaut.

Stratégie 4 : vos propres embeddings et vector store

Construisez le pipeline vous-même quand vous voulez maîtriser le chunking, ajouter de la recherche par mots-clés, reranker les résultats ou conserver les vecteurs dans une base que vous exploitez déjà.

Un embedding est un vecteur (une liste de nombres) qui capture le sens d'un chunk de texte, de sorte que les chunks similaires se retrouvent proches les uns des autres. Vous calculez les embeddings des chunks une fois et vous les stockez. Au moment de la requête, vous calculez l'embedding de la question et récupérez les chunks les plus proches.

Le modèle d'embedding de Google est gemini-embedding-001. Il accepte un paramètre task type : utilisez RETRIEVAL_DOCUMENT pour les chunks stockés et RETRIEVAL_QUERY pour la question de recherche. Oublier ce réglage est l'erreur la plus fréquente, et elle dégrade la qualité du retrieval.

Étape 1 : découper vos documents et calculer leurs embeddings

python
chunks = [
    "Section 4.2 Remote Work: In their second year of employment, "
    "staff are entitled to up to 80 remote working days per year...",
    "Section 4.3 Equipment: The company provides a laptop and...",
]

doc_vectors = client.models.embed_content(
    model="gemini-embedding-001",
    contents=chunks,
    config={"task_type": "RETRIEVAL_DOCUMENT"},
).embeddings

Pour un petit outil interne, une liste en mémoire avec la similarité cosinus suffit.

Étape 2 : calculer l'embedding de la requête et récupérer les chunks

python
import numpy as np

def cosine(a, b):
    a, b = np.array(a), np.array(b)
    return a @ b / (np.linalg.norm(a) * np.linalg.norm(b))

question = "How many remote days do I get in my second year?"

q_vec = client.models.embed_content(
    model="gemini-embedding-001",
    contents=[question],
    config={"task_type": "RETRIEVAL_QUERY"},
).embeddings[0].values

scored = sorted(
    zip(chunks, doc_vectors),
    key=lambda c: cosine(q_vec, c[1].values),
    reverse=True,
)
top_chunks = [c[0] for c in scored[:3]]

Étape 3 : générer une réponse sourcée

python
context = "\n\n".join(top_chunks)

resp = client.models.generate_content(
    model="gemini-2.5-flash",
    contents=(
        f"Answer using ONLY the handbook excerpts below. "
        f"Cite the section number. If the answer is not present, say so.\n\n"
        f"{context}\n\nQuestion: {question}"
    ),
)
print(resp.text)

L'instruction de répondre uniquement à partir des extraits, et de le signaler quand la réponse est absente, est votre garde-fou contre les hallucinations. Le RAG seul n'empêche pas un modèle d'inventer des réponses. Cela vaut aussi pour File Search : mettez la même instruction dans votre prompt.

Vérification des acquis

1. Selon la leçon, quand faut-il privilégier le long context plutôt que de construire un vrai pipeline RAG ?

2. Quel est l'objectif principal de la File API de Google par rapport à l'envoi d'un fichier inline ?

3. Pourquoi la leçon indique-t-elle que la multimodalité native supprime le besoin d'une étape d'OCR lors de l'upload d'un PDF ?

CHOIX MULTIPLES

4. Sélectionnez TOUS les scénarios où un vrai RAG (embeddings + vector store) est le bon choix.

Sélectionnez toutes les réponses correctes.

CHOIX MULTIPLES

5. Sélectionnez TOUTES les affirmations qui décrivent correctement la File API telle que présentée dans la leçon.

Sélectionnez toutes les réponses correctes.

Ne confondez pas RAG et grounding avec Google Search

Le grounding avec Google Search connecte Gemini au web public en temps réel pour obtenir des faits à jour avec citations. Votre manuel est privé, donc le grounding Search ne le trouvera pas. Le grounding Search s'active comme un outil. Pour vos propres fichiers, utilisez File Search ou vos propres embeddings. Quand une requête nécessite à la fois des faits publics et des politiques internes, utilisez les deux.

Passer à l'échelle : Vertex AI RAG Engine

Quand vous avez besoin de contrôles de niveau entreprise comme la résidence des données, l'IAM, les journaux d'audit ou la sécurité VPC, passez à Vertex AI, la plateforme d'IA managée de Google Cloud. Son RAG Engine prend en charge le chunking, l'embedding, le stockage et le retrieval sur des corpus hébergés dans Cloud Storage ou Drive. Il vous permet aussi de choisir votre base de données vectorielle. Commencez sur cloud.google.com/vertex-ai.

Règle empirique :

  • RAG managé avec un minimum de configuration : l'outil File Search de l'API Gemini.
  • Ranking personnalisé ou votre propre base : gemini-embedding-001 plus votre vector store.
  • Production avec exigences de conformité : Vertex AI RAG Engine.
  • Retrieval agentique au sein d'un workflow plus large : encapsulez le retrieval comme outil dans l'Agent Development Kit (ADK), pour qu'un agent décide quand chercher dans le manuel et quand chercher sur le web.

La voie no-code : là où votre manuel se trouve déjà

Si le manuel est un Google Doc dans un Drive partagé, vous n'avez peut-être besoin d'aucun pipeline :

  • Un Gem (une configuration Gemini personnalisée et réutilisable) peut prendre le manuel comme fichier de référence, avec une instruction du type « réponds aux questions RH en citant la section de la politique ». La configuration se fait sur support.google.com.
  • Gemini dans Google Workspace peut raisonner sur des fichiers Drive depuis le panneau latéral, en utilisant « @ » pour référencer les fichiers.
  • Apps Script permet d'appeler l'API Gemini depuis Workspace. Par exemple, une Sheet pourrait classer des tickets de support selon les catégories du manuel.

Un Gem peut régler en cinq minutes ce que vous vous apprêtiez à coder pendant une semaine.

Un processus de décision pratique

Quand quelqu'un vous demande de « rendre notre manuel interrogeable », posez ces questions :

  1. Un seul document, usage ponctuel ? Utilisez la File API.
  2. Quelques dizaines de documents, et vous voulez que ça fonctionne cet après-midi ? Utilisez File Search.
  3. Besoin d'un chunking personnalisé, d'une recherche hybride ou de votre propre base ? Construisez votre propre pipeline d'embeddings.
  4. Production avec exigences de conformité ? Utilisez Vertex AI RAG Engine.
  5. Responsable non technique, et le document est déjà dans Drive ? Utilisez un Gem ou le panneau latéral de Workspace.
  6. Besoin aussi de faits issus du web public ? Ajoutez le grounding avec Google Search.

Points clés

  • Essayez le long context avant le RAG. Si le corpus tient dans la fenêtre, la File API donne des réponses précises avec peu de code.
  • L'outil File Search de l'API Gemini est désormais la voie la plus rapide vers un RAG managé : uploadez dans un store, passez-le comme outil et récupérez les citations.
  • Construisez votre propre pipeline avec gemini-embedding-001 uniquement si vous avez besoin de contrôle. Définissez task_type à chaque appel : RETRIEVAL_DOCUMENT pour les chunks, RETRIEVAL_QUERY pour les questions.
  • Prévenez les hallucinations dans le prompt en demandant à Gemini de répondre uniquement à partir des extraits récupérés et de signaler quand la réponse est absente.
  • Le grounding avec Google Search couvre les faits publics, pas vos fichiers privés. Passez à Vertex AI RAG Engine quand la conformité l'exige, et essayez d'abord un Gem quand les utilisateurs ne sont pas techniques.

À faire, tiré de cette leçon

Ces actions sont compilées dans le plan d'action du rôle.

  • Placer les artefacts volumineux uniques directement dans le long context, en réservant le RAG aux grands corpus
Voir le plan d'action complet →